1

Этап 1

1. Теория автоматического управления

2

Этап 2

2. Системы реального времени

3

Этап 3

3. Методы интеллектуального анализа данных. Python - программирование.

4

Этап 4

4. Основы мехатроники, роботехники, промышленный интернет вещей, киберфизические системы.

5

Этап 5

5. Технологии баз данных.

1

Этап 1

1. Теория автоматического управления

2

Этап 2

2. Системы реального времени

3

Этап 3

3. Методы интеллектуального анализа данных. Python - программирование.

4

Этап 4

4. Основы мехатроники, роботехники, промышленный интернет вещей, киберфизические системы.

5

Этап 5

5. Технологии баз данных.

18 июля 2022 01 июня 2023
Цель завершена 15 марта 2023
Образование

Поступить в магистратуру МТУСИ на бюджет

Подготовиться и сдать экзамены на специальность: Автоматизация технологических процессов и производств. Системы искусственного интеллекта промышленного интернета вещей

Пока мне сложно составить даже примерный "с чего начать", очевидно - разобраться, проштудировать программу вступительного экзамена, разобрать каждую тему по пунктам.

 Критерий завершения

зачислена на бюджет в магистратуру МТУСИ

 Личные ресурсы

время, силы, эмоции :)

 Экологичность цели

я имею право на бесплатное обучение в магистратуре, нужно им пользоваться! И еще, я хочу доказать самой себе, что я чего-то стою и не разучилась учиться.

  1. 1. Теория автоматического управления

    Принципы построения САУ и их классификация. Математическое описание линейной САУ. Преобразование Лапласа. Методы анализа линейных непрерывных САУ. Передаточные функции звеньев линейных непрерывных САУ. Типовые звенья линейных непрерывных САУ и их динамические характеристики. Переходные и частотные характеристики динамических звеньев. Построение характеристик линейных систем. Исследование переходных характеристик динамических звеньев. Анализ качества процессов автоматического управления. Переходный процесс и показатели его качества. Понятие устойчивости САУ. Условия устойчивости линейных непрерывных САУ. Общая характеристика критериев устойчивости линейных непрерывных САУ: критерий Рауса-Гурвица, частотный критерий устойчивости Михайлова, частотный критерий Найквиста. Математическое описание нелинейной САУ. Анализ устойчивости нелинейных САУ. Методы исследования устойчивости Ляпунова. Критерий абсолютной устойчивости Попова. Нелинейные дискретный (релейные, цифровые) САУ, особенности их динамики.

  2. 2. Системы реального времени

    Основные понятия и классификации систем управления. Структура и задачи систем реального времени (СРВ). Классификация СРВ. Системы жесткого и мягкого реального времени. Технические средства для реализации СРВ. Аппаратное обеспечение систем реального времени. Классификация датчиков и преобразователей. Аналого-цифровые преобразователи, их основные характеристики. Средства обработки информации: микроконтроллеры, микропроцессоры. Виды средств отображения информации и их основные характеристики. Виды исполнительных средств. Средства связи в системах реального времени. Источники электроснабжения и характеристики условий эксплуатации.

    Программное обеспечение систем реального времени. Операционный системы реального времени. Свойства и параметры ОСРВ: системы исполнения и системы разработки; время реакции системы. Управление процессами. Алгоритмы планирования процессов. Вытесняющие и невытесняющие алгоритмы планирования. Управление памятью в ОСРВ. Типы адресов. Методы распределения памяти. Принцип кэширования данных. Управление вводом - выводом. Физическая организация устройств ввода - вывода. Обработка прерываний. Драйвера устройств.

  3. 3. Методы интеллектуального анализа данных. Python - программирование.

    Понятие модели, параметрические модели. Обучение модели, необходимые условия. Признаки, переменные, параметры, целевая функция, виды обучения. Способы организации обучения. Задачи машинного обучения. Примеры применения машинного обучения. Функциональные ошибки и метрики, в том числе для задач классификации.

    Модели машинного обучения: деревья решений и случайный лес; наивная байесовская классификация; линейная регрессия и метод наименьших квадратов; логическая регрессия; метод опорных векторов; ансамблевые методы: бустинг и беггинг (xgboot, catboost); метод К-средних (K-means); метод К ближайших соседей (KNN); метод главных компонент (PCA); методы метрик; базовые понятия нейросетей.

    Программирование в Python. Типы данных. Переменные. Условные операторы. Функции. Списки. Цыклы. Словари, Многомерные массивы. Генераторы списков. Множества. ООП, классы, объекты. Конструкторы. Атрибуты класса. Наследование функций. Модуль Math. Математические операции со скалярами. Модуль NumPy. Создание массивов. Агрегирующие функции. Итерирование, объединение и разбиение массивов. Работа с табличными данными. Модуль Pandas. Объекты типа Series и Dataframe, создание и индексация. Группировка данных. Работа с текстовыми данными. Токенизация. Модуль MatPlotLib. Графическая визуализация данных.

  4. 4. Основы мехатроники, роботехники, промышленный интернет вещей, киберфизические системы.

    Возникновение и развитие современной робототехники.

  5. 5. Технологии баз данных.

  • 1669
  • 18 июля 2022, 12:38
Регистрация

Регистрация

Уже зарегистрированы?
Быстрая регистрация через соцсети
Вход на сайт

Входите.
Открыто.

Еще не зарегистрированы?
 
Войти через соцсети
Забыли пароль?